MétaCan
Menu
Retour à la cohorte
Enregistrement W2759472195 · doi:10.1108/oir-08-2016-0235

The brand personalities of brand communities: an analysis of online communication

2017· article· en· W2759472195 sur OpenAlexaff
Jeannette Paschen, Leyland Pitt, Jan Kietzmann, Amir Dabirian, Mana Farshid

Notice bibliographique

RevueOnline Information Review · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésBrand communityBrand managementSophisticationBrand equityAdvertisingBrand awarenessOnline communityOriginalityBlueprintBrand extensionCorporate brandingSincerityMarketingBrand loyaltyCompetitor analysisPersonalityBusinessComputer scienceSociologyPsychologyCreativityWorld Wide WebEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose Online brand communities provide a wealth of insights about how consumers perceive and talk about a brand, rather than what the firm communicates about the brand. The purpose of this paper is to understand whether the brand personality of an online brand community, rather than of the brand itself, can be deduced from the online communication within that brand community. Design/methodology/approach The paper is empirical in nature. The authors use community-generated content from eight online brand communities and perform content analysis using the text analysis software Diction. The authors employ the five brand personality dictionaries (competence, excitement, ruggedness, sincerity and sophistication) from the Pitt et al. (2007) dictionary source as the basis for the authors’ analysis. Findings The paper offers two main contributions. First, it identifies two types of communities: those focusing on solving functional problems that consumers might encounter with a firm’s offering and those focusing on broader engagement with the brand. Second, the study serves as a blueprint that marketers can adopt to analyze online brand communities using a computerized approach. Such a blueprint is beneficial not only to analyze a firm’s own online brand community but also that of competitors, thus providing insights into how their brand stacks up against competitor brands. Originality/value This is the first paper examining the nature of online brand communities by means of computerized content analysis. The authors outline a number of areas that marketing scholars could explore further based on the authors analysis. The paper also highlights implications for marketers when establishing, managing, monitoring and analyzing online brand communities.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,005
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,048
Tête enseignante GPT0,392
Écart entre enseignants0,345 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOnline Information ReviewMême sujetDigital Marketing and Social MediaTravaux en français237 207